AI系ディープテックスタートアップ の経営環境
•
0 j'aime•369 vues
日本ではディープテック・スタートアップが育つ環境がない。1. イノベーター人材育成が不十分、2.ベンチャーキャピタル側の人材欠如、3. 大企業側レセプターが未発達という課題を指摘した上で、今後どうすれば良いのかという未来志向の議論をしたい。巷間で言われる「AIは幻想だった」という評価を乗り越えるべく「AIはデジタルだ」の見地から、米国の非営利団体OpenAIが開発した巨大言語モデルGPT-3を例にして、これから見えるイノベーショントレンドを共有する。 Business Environment of Deep Tech AI Startups There is no naturing environment for deep-tech startups to grow in Japan. I would like to point out the following issues: (1) insufficient development of innovator education system, (2) lack of human resources on the venture capital side, and (3) lack of development of receptors on the large enterprises side. In order to overcome the reputation of "AI was an illusion." from the viewpoint of "AI is digital.", we will share the innovation trends to be seen using the huge language model GPT -3 developed by the non-profit organization OpenAI in the United States as an example.
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à AI系ディープテックスタートアップ の経営環境
Similaire à AI系ディープテックスタートアップ の経営環境 (20)
Plus de Osaka University
Plus de Osaka University (17)
Dernier
Dernier (10)
AI系ディープテックスタートアップ の経営環境
- 1. AI系ディープテックスタートアップ の経営環境 栄藤 稔 ⼤阪⼤学 先導的学際研究機構 教授 株式会社 コトバデザイン 会⻑＆CEO 科学技術振興機構（JST) CREST⼈⼯知能領域総括 ９/14/2020 RIETIウェビナー 1
- 3. ダイブなしに浮上なし︕ 3 Time Gain Loss Shallow Dive Deep Dive Failure 9/10 Success 1/10
- 5. 5 情熱＋運
- 8. https://www.statista.com/chart/4298/amazons-long-term-growth/ Netflix(1997) Streaming iPod iPhone Product search: A > G Uberi-mode Waymo(2009) WeWork シェアリングエコノミー デジタル変⾰ AI応⽤の時代 8
- 10. パンデミックにより加速される変化 (ICT化前倒しにより⾒える世界） 10 Online Gaming Online Shopping Last Mile Delivery Work From Home(WFH) Health Online Training & EducationRobotics New Media Subscription
- 11. 11 • インターネットサービスへの置換 旧Media → 新メディア，教室->Zoom • デジタルデバイド解消︓全ての⼈の社会システム参加を可能とするAIインタフェース • サブスクリプション型サービスの加速︓シェアリング エコノミーの発展系． • プラットフォーム⾰命 （サイバーX 実空間の統合最適化） ü アマゾンの⼩売︓ネットで注⽂（サイバー空間）ロボットで梱包・配送 ü Uber Eats︓スマホで注⽂（サイバー空間），⽣鮮⾷品配送（実空間） • 需要と供給の⾼度なネットワーク形成による社会システムの変⾰ ü 雇⽤のフリーランス化 → Activity Based Working/Distributed Supply Chain 加速されるデジタル変⾰ 時間 ２年後
- 12. AI Hype? 12 Biotech X IT 中国科学院深圳先進技術研究院(SIAT)
- 13. Health 13 感染症数理モデル Another WFH (Workout from Home) Telemedecine Electronic Health Record https://www.medley.jp https://curon.co/
- 18. • Industry Focus (B2B)の傾向は変わっていない。ただトレンドはある。 • Machine Learning(Zero-Shot, GAN, Federated Learning)が銀の弾丸ではないこと、 PoCの壁が乗り越えられない症候群の淘汰が顕在化。⽣存率１５％。 • 領域︓ヘルスケア、⾦融＆保険、輸送、建設、⼩売&倉庫業、政府・都市計画、法律、 鉱業、⾷品&農業、メディア&娯楽、教育、エネルギー、通信、製造、不動産 • 共通基盤技術(産業横断)︓AIプロセッサー、⾃然⾔語処理＆⾃然⾔語⽣成＆画像認識、 セールス＆CRM、AIモデル開発、DevOps＆モデルモニタリング,サイバーセキュリ ティ、BI&運⽤知能化。 • CB Insightsの評価項⽬︓特許、健全性、ビジネスパートナーシップ、市場規模、競争 関係、企業注⽬度、トレンド 18 AI Startupの傾向
- 21. • セキュリティ，コンプライアンス要件の過度な強要，知財保証，納品検査など， リスクを全てスタートアップに押し付ける制度設計。 • ⼤企業内部にもエンジニアリング⼒とスピードが必要。 • 技術競争を⾏わないと⽣き残れないと本気で考えているTOPが不在。 • ベンチャーを下請けとせず対等な⽴場、もしくはベンチャーを育てるという意 識を持っているTOPが不在。 • データ収集とシステム開発等のインフラ投資へのROI判断能⼒ 21 ⼤企業側の課題 焼畑農業の被害者化 栄藤稔 ⽯⼭洸、⻑⾕川順⼀、上原⾼志（２０１７） ベンチャー育成・⾦融連携TF
- 22. • ML(機械学習）は多くの実際の問題解決に無⼒。 • 運⽤・保守。データは常に変化し、ブラックスワン(COVID-19)も出現。 • データ整備への投資が過⼤。 • PoC⽌まり症候群。顧客対応のカスタマイゼーションが⾼負荷。 22 AIスタートアップの何が⾟いか 技術コンサルタントに⾏き着く • ⼤会社の判断遅すぎ。調達先に⼊ るために⾮常に⻑い期間必要。 • SaaSビジネスの⿊字転換
- 23. 23 利益率５０％ OPEX DATA COST PERFOMANCE Proto PoC Real Deployment
- 26. 26 GPT進化の過程 2018 2019 2020 2/2019 Small GPT-2 6/2018 GPT-1 11/2019 Full GPT-2 5/2020 GPT-3 2/2018 ELMo(Allen AI) 10/2018 BERT(Google) 6/2019 XLNet(Google) 10/2019 T5(Google) 2/2020 Turing-NLG(MS) 100M 1B 10B 100B 110M 1.5B 175B T5:11B NLG:17B 6 GB Book Corpus 40 GB WebText 570 GB Common Crawl 3.14E+23 FLOPS 100 V100 x 3.5y パラメータ数
- 27. 27 GPTのIn-Context Learning p(output | input, task) • “In-context learning”: インプットに加えられたコンテキス トだけでタスクの内容を理解する • コンテキスト①︓タスクの説明⽂ • コンテキスト②︓タスクサンプル • 訓練時: “task” は特に明⽰しない • Input = (token, context) • Context = token直前の複数⽂章, max 2048 tokens • ⽂章区切りに特別tokenを使⽤([SEP]の⽂章版)
- 28. FOMO症候群に なりそう （Cherry Picking だろう説沸騰中） 28 App and layout tools https://github.com/elyase/awesome-gpt3 Search and data analysis Program generation and analysis Writing full emails from key points Content creation Text generation General reasoning
- 29. Takeaways 29 • AIスタートアップの直⾯している課題 は⽶国も⽇本も同質。 • ただ⽇本の⽅がエコシステムが未発 達。⽇本ではディープテックスタート アップは希少。理由は⼝頭で。 • ⽣存者バイアスに要注意。 • GPT−３に代表する巨⼤な⾔語モデルは 従来の検索DBの概念を破壊。 • AIはパワーゲーム化が顕著︖。 (ネズミは巨象の上で踊れるか︖） • デジタルコモンズの役割が鍵。
- 30. おまけ 30
- 31. 転職チェックリスト︓ 淘汰されるべき企業へのメッセージ 31 1. 社⻑⾃らが「イノベーションの源泉がソフトウェアにある」 と理解している． 2. 経営幹部が⾃ら発表資料を作成している． 3. 情報システム部⻑がソフトウェアを書ける． 4. 外部からの中途⼊社の経営幹部がいる． 5. サブスクリプション型のビジネスモデルを実施している． 6. マーケティング，開発，運⽤が⼀体化した組織がある． 7. 企業投資・買収部⾨がある．
- 32. 議論１︓⽇本にPFNを後９９社作れるだろうか︖作れるとすれば、 スタートアップ成功の条件を満⾜する他に何が必要か︖ Pros • 作らなければ⼈⼯知能技術戦略会議のロードマップは実現されない．今，R＆Dのアウトソース 化が進んでいるというマクロ観の下で，⼤企業のR＆Dが再編されるべき（という気合い論） • アプリケーション層で⽇本の強み（製造業，マテリアル等々）xAI を含めれば可能ではないか ． Cons • AIに関するR＆Dはチップ開発，データ取得を含むパワーゲームである．そのようなパワーゲ ームを競争できるスタートアップは多く作れるものではない． • そもそも，それだけの⼈材がいない．１０⼈X１００社であれば，１０００⼈のトップ科学者 ・技術者が必要で，⽇本国内だけで供給できるものではない． 32 栄藤稔、 ⽯⼭洸、⻑⾕川順⼀、上原⾼志（２０１７）
- 33. 議論２︓⼈⼯知能技術戦略会議のロードマップがSociety5.0を踏襲している中で、⽣産性、モビリテ ィ、メディカルヘルスケアはいずれも市⺠を巻き込むプラットフォーム事業にならざるを得ない。こ の時、スタートアップは市⺠を巻き込んだ制度設計のためのPDCAを牽引できるか︖ Pros • GAFAの領域での対抗は無駄．⽇本国の出⼝戦略としては北欧型の市⺠を巻き込ん だ実験を重ねていくしかない．特区を作るなりして，社会問題解決型のAIを育成 していく．そのための教育，スタートアップ育成が⼤事． Cons • メリットが各市⺠が享受できなければならない．押し付けのプラットフォーム化 だけでは意味を持たない． • 農業や地⽅創⽣が事業として成り⽴つのか︖事業としてスケールするところに投 資しなければAIは育たない． 33 栄藤稔、 ⽯⼭洸、⻑⾕川順⼀、上原⾼志（２０１７）
- 34. 議論3︓国⽴の研究機関、⼤学初のベンチャーを 育てるにはどうすればよいか︖ • SRI（⽶）やDARPAの運営を⾒ていると，経営層（研究開発マネージメント層） に事業経験のある⺠間出⾝者がいる．そうなるべき改⾰が必要． • 研究から事業へ，事業から研究へと⼈材の循環が⼤事． • 官学の研究はエンジニアリングを軽視しすぎ．エンジニアリングも研究の⼀部であ るという⽴て付けが必要． • フランフォーファー（独）では⼤学教員・機関研究者・起業家という三位⼀体の活 動が許されている．事業マインドの醸成と制度設計の変更が必要． 34 栄藤稔 ⽯⼭洸、⻑⾕川順⼀、上原⾼志（２０１７）